机器学习二级模型文件生成方法、装置、存储介质制造方法及图纸

本申请涉及一种机器学习二级模型文件生成方法、装置、计算机设备和存储介质，所述机器学习二级模型文件包括二级模型和二级模型目录，所述生成方法包括：获取通用机器学习模型；对所述通用机器学习模型进行存储优化处理，生成所述二级模型；计算所述二级模型的存储偏移量；根据所述二级模型以及所述二级模型的存储偏移量，生成二级模型目录；根据所述二级模型以及所述二级模型目录，生成机器学习二级模型文件。采用本方法能够根据运算需要直接在通用机器学习模型文件中读取对应的通用模型，避免重复编译，从而大大提高机器学习算法实现的效率，缩短了从编译到得到执行结果的时间。

Generation method, device and storage medium of machine learning secondary model file

【技术实现步骤摘要】
机器学习二级模型文件生成方法、装置、存储介质
本申请涉及人工智能
，特别是涉及一种机器学习二级模型文件方法、装置、计算机设备和存储介质。
技术介绍
随着人工智能技术的发展，出现了各种机器学习算法。传统的机器学习算法在开发平台中运行时，每次执行都要先经过编译过程。但是由于机器学习过程中，算法重复编译次数多，而编译过程耗时长，导致算法执行效率低。
技术实现思路
基于此，有必要针对机器学习过程中，算法重复编译次数多，而编译过程耗时长，导致算法执行效率低的问题，提供一种机器学习二级模型文件生成方法、装置、计算机设备和存储介质。一种机器学习二级模型文件的生成方法，所述机器学习二级模型文件包括二级模型和二级模型目录，所述生成方法包括：获取通用机器学习模型；对所述通用机器学习模型进行存储优化处理，生成所述二级模型；计算所述二级模型的存储偏移量；根据所述二级模型以及所述二级模型的存储偏移量，生成二级模型目录；根据所述二级模型以及所述二级模型目录，生成机器学习二级模型文件。在其中一个实施例中，所述对所述通用机器学习模型进行存储优化处理，生成所述二级模型的步骤包括：对所述通用机器学习模型进行压缩处理和/或加密处理，生成所述二级模型。在其中一个实施例中，所述根据所述二级模型以及所述二级模型目录，生成机器学习二级模型文件，包括：获取所述机器学习二级模型文件的文件头和文件尾；根据所述文件头、所述二级模型目录、所述通用机器学习模型以及所述文件尾，生成所述机器学习二级模型文件。在其中一个实施例中，所述计算所述二级模型的存储偏移量的步骤包括：获取每个所述通用机器学习模型占用的存储空间大小和所述二级模型的数量；获取所述二级模型的存放顺序；根据每个所述二级模型占用的存储空间大小、所述二级模型的数量、所述二级模型的存放顺序，计算每个所述二级模型的存储偏移量。在其中一个实施例中，所述根据所述通用机器学习模型以及所述模型目录，生成机器学习二级模型文件，包括：创建机器学习二级模型文件的标识码；根据所述模型文件的标识码、所述二级模型、所述二级模型目录，生成机器学习二级模型文件。在其中一个实施例中，所述根据所述二级模型以及所述模型目录，生成机器学习二级模型文件，包括：创建所述机器学习二级模型文件的校验码和/或纠错码；根据所述机器学习二级模型文件的校验码和/或纠错码、所述二级模型以及所述二级模型目录，生成机器学习二级模型文件。一种通用机器学习模型文件生成方法，所述方法包括：获取机器学习任务的任务参数；对所述任务参数进行分类，生成任务指令及模型参数；根据数据类型将所述任务指令及模型参数进行汇集，生成栈数据和堆数据；将所述栈数据和堆数据进行整合，生成通用机器学习模型；对所述通用机器学习模型进行存储优化处理，生成所述二级模型；计算所述二级模型的存储偏移量；根据所述二级模型以及所述二级模型存储偏移量，生成二级模型目录；根据所述二级模型、所述模型目录，生成机器学习二级模型文件。一种机器学习二级模型文件的生成装置，所述机器学习二级模型文件包括二级模型和二级模型目录所述生成装置包括：二级模型填充器、模型存储优化器、目录生成器以及文件生成器；所述模型填充器和所述目录生成器相连，所述文件生成器分别与所述模型填充器、所述目录生成器相连，所述模型存储优化器与所述模型填充器相连；所述二级模型填充器，用于获取通用机器学习模型；所述模型存储优化器，用于对所述通用机器学习模型进行存储优化处理，生成二级模型；所述目录生成器用于计算所述通用机器学习模型的存储偏移量；以及根据所述二级模型以及所述二级模型存储偏移量，生成二级模型目录；所述文件生成器用于根据所述二级模型、所述二级模型目录，生成机器学习二级模型文件。在其中一个实施例中，所述二级模型填充器还用于将所述二级模型，按序存入所述文件生成器。在其中一个实施例中，所述文件生成器还包括文件头生成器和所述文件尾生成器；所述文件头生成器与所述目录生成器相连，所述文件尾生成器与所述二级模型填充器相连。在其中一个实施例中，所述文件头生成器还用于创建二级模型的标识码，以及根据所述标识码、所述二级模型、所述二级模型目录，生成机器学习二级模型文件。在其中一个实施例中，所述文件尾生成器还用于创建所述机器学习二级模型文件的校验码和/或纠错码。在其中一个实施例中，所述生成装置还包括文件大小计算器，所述文件大小计算器与所述目录生成器连接，用于计算所述通用机器学习模型占用的存储空间大小，以及计算所述模型文件所需占用的存储空间的大小。在其中一个实施例中，所述文件大小计算器与模型存储优化器相连。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以上任一实施例所述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以以上任一实施例所述方法的步骤。上述机器学习二级模型文件的生成方法、装置、计算机设备和存储介质，通过生成关于获取的二级模型的目录，并根据二级模型以及二级模型目录生成机器学习二级模型文件。实现了在机器学习运算过程中，根据运算需要直接在通用机器学习模型文件中读取对应的二级模型，避免重复编译，从而大大提高机器学习算法实现的效率，缩短了从编译到得到执行结果的时间。附图说明图1为一个实施例中通用机器学习模型文件生成方法的应用环境图；图2为一个实施例中通用机器学习模型生成方法的流程示意图；图3为一个实施例中通用机器学习模型生成装置的结构示意图；图4为一个实施例中通用机器学习模型文件生成方法的流程示意图；图5为一个实施例中计算所述通用机器学习模型的存储偏移量的流程示意图；图6为一个实施例中根据所述通用机器学习模型以及所述模型目录，生成通用机器学习模型文件的流程示意图；图7为另一个实施例中根据所述通用机器学习模型以及所述模型目录，生成通用机器学习模型文件的流程示意图；图8为再一个实施例中根据所述通用机器学习模型以及所述模型目录，生成通用机器学习模型文件的流程示意图；图9为又一个实施例中根据所述通用机器学习模型以及所述模型目录，生成通用机器学习模型文件的流程示意图；图10为另一个实施例中通用机器学习模型生成方法的流程示意图；图11为再一个实施例中通用机器学习模型生成方法的流程示意图；图12为一个实施例中通用机器学习模型文件生成装置的结构示意图；图13为另一个实施例中通用机器学习模型文件生成装置的结构示意图；图14为一个实施例中通用机器学习模型解析方法的流程示意图；图15为一个实施例中获取通用机器学习模型文件流程示意图；图16为一个实施例中获取本文档来自技高网...

【技术保护点】
1.一种机器学习二级模型文件的生成方法，其特征在于，所述机器学习二级模型文件包括二级模型和二级模型目录，所述生成方法包括：/n获取通用机器学习模型；/n对所述通用机器学习模型进行存储优化处理，生成所述二级模型；/n计算所述二级模型的存储偏移量；/n根据所述二级模型以及所述二级模型的存储偏移量，生成二级模型目录；/n根据所述二级模型以及所述二级模型目录，生成机器学习二级模型文件。/n

【技术特征摘要】
1.一种机器学习二级模型文件的生成方法，其特征在于，所述机器学习二级模型文件包括二级模型和二级模型目录，所述生成方法包括：
获取通用机器学习模型；
对所述通用机器学习模型进行存储优化处理，生成所述二级模型；
计算所述二级模型的存储偏移量；
根据所述二级模型以及所述二级模型的存储偏移量，生成二级模型目录；
根据所述二级模型以及所述二级模型目录，生成机器学习二级模型文件。


2.根据权利要求1所述的方法，其特征在于，所述对所述通用机器学习模型进行存储优化处理，生成所述二级模型的步骤包括：对所述通用机器学习模型进行压缩处理和/或加密处理，生成所述二级模型。


3.根据权利要求1所述的方法，其特征在于，所述根据所述二级模型以及所述二级模型目录，生成机器学习二级模型文件，包括：
获取所述机器学习二级模型文件的文件头和文件尾；
根据所述文件头、所述二级模型目录、所述通用机器学习模型以及所述文件尾，生成所述机器学习二级模型文件。


4.根据权利要求1所述的方法，其特征在于，所述计算所述二级模型的存储偏移量的步骤包括：
获取每个所述计算所述二级模型占用的存储空间大小和所述二级模型的数量；
获取所述二级模型的存放顺序；
根据每个所述二级模型占用的存储空间大小、所述二级模型的数量、所述二级模型的存放顺序，计算每个所述二级模型的存储偏移量。


5.根据权利要求1所述的方法，其特征在于，所述根据所述通用机器学习模型以及所述模型目录，生成机器学习二级模型文件，包括：
创建机器学习二级模型文件的标识码；
根据所述标识码、所述二级模型、所述二级模型目录，生成机器学习二级模型文件。


6.根据权利要求1所述的方法，其特征在于，所述根据所述二级模型以及所述模型目录，生成机器学习二级模型文件，包括：
创建所述机器学习二级模型文件的校验码和/或纠错码；根据所述机器学习二级模型文件的校验码和/或纠错码、所述二级模型以及所述二级模型目录，生成机器学习二级模型文件。


7.一种通用机器学习模型文件生成方法，其特征在于，所述方法包括：
获取机器学习任务的任务参数；
对所述任务参数进行分类，生成任务指令及模型参数；
根据数据类型将所述任务指令及模型参数进行汇集，生成栈数据和堆数据；
将所述栈数据和堆数据进行整合，生成通用机器学习模型；
对所述通用机器学习模型进行存储优化处理，生成所述二级模型；
计算所述二级模型的存储偏移量；
根据所述二级模型以及所述二级模型存储偏移量，生成二级模型目录；
根据所述二级模型、所述模型目录，生成机器学习二级模型文件。


8.一种机器学习二级模型文件的生成装置，其特征在于，所述机器学习二级模型文件包括二级模型和二级模型目录所述生成装置包括：
模型填充器、模型存储优化器、目录生成器以及文件生...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：上海寒武纪信息科技有限公司，
类型：发明
国别省市：上海;31